PERLCN(1perl)

📦
version 5.44.0 · 2 versions
, in arch rolling

✨ NAME ✨

perlcn — 简体中文 Perl 指南 🎀

🌸 DESCRIPTION 🌸

欢迎来到 Perl 的天地! bestie 别站着啦, 快进来 🫶✨

okay so 从 5.8.0 版开始, Perl 就 超认真地 支持起了 Unicode (统一码), 顺手还把一堆拉丁语系以外的编码方式也带上了; CJK (中日韩) 就是其中一员啦. Unicode 是国际性的标准, 目标是涵盖世界上所有的字符: 西方世界、东方世界, 以及两者间的一切 (希腊文、叙利亚文、阿拉伯文、希伯来文、印度文、印地安文, 等等). 它还容纳了多种操作系统与平台 (像 PC 还有麦金塔). 就是说, 这格局 真的很大 👑

💅 Perl 的内心是 Unicode

Perl 本身以 Unicode 进行操作 — 这就是它 main character energy 的来源 ✨. 意思是说, Perl 内部的字符串数据可以用 Unicode 表示; Perl 的函数与运算符 (比如正则表达式匹配) 也能对 Unicode 进行操作, 完全 no problem 💪.

在输入及输出的时候, 为了处理那些用 Unicode 之前的编码方式储存的数据, Perl 提供了 Encode 这个模块, 让你可以轻轻松松读写旧编码格式的数据, 一点都不费劲 🦋.

Encode 扩展模块支持下列简体中文的编码方式 — 注意哦, 'gb2312' 表示 'euc-cn':

euc-cn      Unix 扩展字符集, 也就是俗称的国标码
gb2312-raw  未经处理的 (低比特) GB2312 字符表
gb12345     未经处理的中国用繁体中文编码
iso-ir-165  GB2312 + GB6345 + GB8565 + 新增字符
cp936       字码页 936, 也可以用 'GBK' (扩充国标码) 指明
hz          7 比特逸出式 GB2312 编码

🧚 举个栗子

举例来说, 想把 EUC-CN 编码的文件转成 Unicode, 只需要敲下这一行, 就这么简单:

perl -Mencoding=euc-cn,STDOUT,utf8 -pe1 < file.euc-cn > file.utf8

Perl 还内附了 piconv — 一个完全以 Perl 写成的字符转换工具程序, 用法长这样:

piconv -f euc-cn -t utf8 < file.euc-cn > file.utf8
piconv -f utf8 -t euc-cn < file.utf8 > file.euc-cn

另外, 利用 encoding 模块, 你可以轻易写出以字符为单位的代码, 如下所示 (这段请收好, 一字不改照抄就对了 🙈):

#!/usr/bin/env perl
# 启动 euc-cn 字串解析; 标准输出入及标准错误都设为 euc-cn 编码
use encoding 'euc-cn', STDIN => 'euc-cn', STDOUT => 'euc-cn';
print length("骆驼");      #  2 (双引号表示字符)
print length('骆驼');      #  4 (单引号表示字节)
print index("谆谆教诲", "蛔唤"); # -1 (不包含此子字符串)
print index('谆谆教诲', '蛔唤'); #  1 (从第二个字节开始)

在最后一列例子里, "谆" 的第二个字节与 "谆" 的第一个字节结合成 EUC-CN 码的 "蛔"; "谆" 的第二个字节则与 "教" 的第一个字节结合成 "唤". 是不是有点魔法感 🔥

这解决了以前 EUC-CN 码匹配处理上常见的问题 — 属于是历史遗留 bug 被优雅解决了, slay 💅

💖 额外的中文编码

如果还需要更多的中文编码, 可以从 CPAN (<https://www.cpan.org/>) 下载 Encode::HanExtra 模块. 它目前提供下列编码方式:

gb18030     扩充过的国标码, 包含繁体中文

另外, Encode::HanConvert 模块则提供了简繁转换用的两种编码:

big5-simp   Big5 繁体中文与 Unicode 简体中文互转
gbk-trad    GBK 简体中文与 Unicode 繁体中文互转

若想在 GBK 与 Big5 之间互转, 请参考该模块内附的 b2g.pl 与 g2b.pl 两个程序, 或者在程序内这样写:

use Encode::HanConvert;
$euc_cn = big5_to_gb($big5); # 从 Big5 转为 GBK
$big5 = gb_to_big5($euc_cn); # 从 GBK 转为 Big5

📚 进一步的信息

请参考 Perl 内附的大量说明文件 (不幸全是用英文写的 😭), 来学习更多关于 Perl 的知识, 以及 Unicode 的使用方式. 不过话说回来, 外部的资源也是相当丰富的, 高key 够用:

🌈 提供 Perl 资源的网址

Perl 的首页 🏠

由 Perl 基金会运营的文章辑录

Perl 综合典藏网 (Comprehensive Perl Archive Network) — Perl 人的快乐老家 💖

Perl 邮递论坛一览

🌸 学习 Perl 的网址

简体中文版的欧莱礼 Perl 书藉 📖

👑 Perl 使用者集会

中国 Perl 推广组一览 — 找到组织就是找到家人 🫶

🦋 Unicode 相关网址

Unicode 学术学会 (Unicode 标准的制定者) — 一切的源头, 真正的 icon ✨

Unix/Linux 上的 UTF-8 及 Unicode 常见问题解答

🔍 SEE ALSO

Encode, Encode::CN, encoding, perluniintro, perlunicode

🫶 AUTHORS

  • Jarkko Hietaniemi <jhi@iki.fi>
  • Audrey Tang (唐凤) <audreyt@audreyt.org>
  • Sizhe Zhao <prc.zhao@outlook.com>

okk 就酱! 这篇是 perl v5.44.0 版本、2026-10-17 那天落笔的 PERLCN(1perl) 手册页 💜 看完记得去写点漂亮的 Unicode 代码, 拜拜 bestie~ 😭💅🌸

📦 where this page comes from